引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 29

新评论
 
alexeymosc:.

我自己花了很多个月的时间来掌握神经网络......
。

我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？

而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。

...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足

从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。

...但没有进行静止性检验。

静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？

 
faa1947:

我自己花了很多个月的时间来掌握神经网络......
。

我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？

而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。

...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足

从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，不是最成功的函数。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。

...但没有进行静止性检验。

静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？

那么什么是DSP呢？

对我来说，这不全是生意，用 "爱好 "这个词更合适。我的工作方向不同，既没有经济背景也没有数学背景，而是使用统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。

"就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。

并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。

"Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。"

这就是许多统计假设检验 的问题。

一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？

 
alexeymosc:

什么是DSP？

对我来说，这并不全是生意，用 "爱好 "这个词更合适。我在不同的领域工作，既没有经济背景也没有数学背景，而是具有统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。

"就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。

并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。

"Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。"

这就是许多统计假设检验的问题。

一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？

那么什么是DSP呢？

数字信号处理。

并非总是如此。你说出了神经网络的一个特殊应用

是的，当然，在计量经济学 中，它比这更广泛。

你采取一些近似的曲线或直线，研究一系列的残差，得到未经修正的正态分布噪声。对吗？

是的，这就是目标。虽然没有实现，但已经可以做出更稳健的模型，预测误差的方差在5%以内波动。

 
faa1947:


是的，这就是目标。虽然没有实现，但它成功地做出了更为稳健的模型，预测误差的方差在5%以内。


在用统计模型预测销售时，我也是这么做的。作为对模型质量的评估--分析残差的自相关性和概率密度函数的类型。当然，还有R^2。原则上，这些都是普遍接受的时间序列预测 技术。

至于神经网络，也许我没有做过，还应该分析一下残差。你说的没错（如果我绘制的是一个近似的系列曲线）。

关于TI，理论的作用是找到有意义的滞后期或其他独立变量。事实上，事实上，也应该对所建模型进行残差序列分析。

 
faa1947:

我不太明白。

计量经济学是以非平稳过程为工作对象的，近似的算法在帖子里有描述。我们应该明白，非平稳性导致我们不能采取最好的指标或一组指标来获得TS和稳定的交易，因为由于非平稳性，对TS的任何估计（PF、缩减和其他）都是虚构的，将来会出现这样的商数区域，TS将卖出存款。

测量经济数据的科学--计量经济学，与其他非常值得尊敬的科学有区别，但它是一门独立的科学，并提出了一致的行动，将每个中间结果固定为一个模型，旨在得到一个静止的残差，在非静止的市场上工作时给出未来TS的稳定性估计。

这里 以欧元兑美元和三个指标（直线、指数平滑、Hodrick-Prescott滤波器）为例进行说明。

伙计们，让我们用一门独立的科学来衡量经济数据，而不是试图从相邻的科学中抽出一些东西，只因为我们懒得读计量经济学教科书。在我国，有这样的教科书可以追溯到2000年，也就是说，10多年来，大学一直在培养科学地衡量经济数据的专家，并没有受到所谓的 "信息依赖 "的废话。

无论如何，让我们继续吧。


你的论点很清楚，但计量经济学的问题在于，错误的理论和工具是在最初错误的信念和假设上创造出来的，然后对于这些工具，研究对象被替换成了真实的市场，并得出了两个不同的研究对象是多么的相似的结论。

哪里有把握说计量经济学在20-30年内不会重复托勒密理论的命运？这种理论也曾经很好地解释了我们周围的世界。

以下是E.Peters关于它的文章（一位数学家，也是为数不多的对这个问题理解如此深刻的人之一）。

而这里是他写的关于计量经济学的内容。

在他的书中还有许多关于脱离实践的理论可能导致的例子。

 
alexeymosc:.

残差分析的自相关和概率密度函数的类型。 当然，还有R^2。原则上，这些都是预测时间序列的常用技术。

这只是一个开始，在被普遍接受的意义上，并不完整。这里 显示的是完整的，尽管它只是一个使用的例子。三组分析：系数、残差和稳定性。如果你能调和这些矛盾，你可能会得到一个估计，这总是一个预测误差，因为目标是预测，其他都是中间结果。

 
faa1947:

我总是很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加入NS），却不屑于掌握与他们业务直接相关的科学？

计量经济学 只与商业有关，如果该商业是赌博的话。在赌场老板的网站上查询其信徒。
 
C-4:
计量经济学只有在企业是赌博业的情况下才与该企业相关。在赌场老板的网站上查询其信徒。
废话，看书，从字母表开始。
 
C-4:



在他的书中，还有许多例子说明了与实践脱节的理论会导致什么结果。


计量经济学 中没有考虑 有效市场理论。它的假设都是基于市场没有效率这一事实。计量经济学不包括马科维茨和他的有效投资组合的辩护人。计量经济学已经存在了100多年，它从来没有被彼得斯、曼德布罗特和其他人推翻过，因为它最初是基于市场非平稳的 假设。

它是计量经济学，它证明了向前一步的预测是正确的，并显示了向前几步的预测致命的恶化的原因。

你有一个朋友托勒密是件好事，但这并不是通过把它不包含的内容归于计量经济学而否定它的理由。

 
faa1947:
废话，看书，从字母表开始。

对你也一样。
1...222324252627282930313233343536...74
新评论